样本与方法
Anthropic 经济研究团队 11 月 5 日发布报告《AI for scientific discovery: How researchers use Claude》，主要作者为 Johannes Hermle、Ben Jones 和 Lukas Althoff。样本是 2026 年 8 月 2 日至 9 月 30 日消费版套餐里的 207,049 次科研会话，其中 Chat 与 Cowork 128,914 次、Claude Code 78,135 次。一个语言模型分类器先判断会话是否属于科研，再按 SciNet 分类法（34 个领域、318 个子领域、7,262 项任务）打标签，研究团队只保留和分析这些标签。另有一份 528 名科学家的问卷，受访者以生命与健康科学领域的 AI 积极使用者为主。
用在哪里，和研究者自己怎么看
数据分析占 Claude 会话的 33.7%、Claude Code 的 48.1%，而它占研究者时间约 27.6%；写作与交流占 Claude 会话 32.0%，是其时间占比 16.0% 的两倍。数据收集占研究者 28.6% 的时间，却只占 Claude 会话的 11.5%、Claude Code 的 11.9%。问卷里，科学家把构思和数据收集排为对科学发现最重要的环节，正好是用得少的两项。按研究者人数折算，计算机科学、数学、统计等形式科学用得多，健康和实验类学科用得少。报告还提到，在面向科研的 Claude Science 上，构思所占份额约为普通 Claude 的两倍。
提速估算是情景推演
报告给每项任务打了「AI 理论上能做得多好」的分数，得分前 20% 的任务获得的使用量是按研究时间预测值的 2 至 4 倍。据此推演：现有能力若被广泛采用，AI 可承担一项新研究所需研究者时间的 27% 至 52%（中位数 38%），对应提速从艺术的 1.35 倍到计算机科学的 1.96 倍、统计学的 2.02 倍。若进一步假设 AI 能完成全部非实体工作，计算机科学和统计学产出最多可达约 15 倍，化学、生物等受实验步骤限制的学科约 3 至 4 倍。
需要注意的是，这份报告只覆盖 Anthropic 自家产品的消费版用户，问卷样本也偏向已在用 AI 的人；提速数字来自简单模型的假设情景，不是对论文产出或研究速度的实测。
via: Anthropic：AI for scientific discovery: How researchers use Claude